İçeriğe geç
AggregaAggrega
Dil seçin: Türkçe
Bu sayfa makine çevirisiyle çevrilmiştir. İngilizce orijinalini okuyun.

Bir LangGraph uygulamasını içe aktarma — bir graf ve onun checkpointer'ı

Bir LangGraph uygulamasının langgraph.json dosyası — durumunu PostgreSQL’de tutan tek bir graf — aggrega import ile Aggrega dosyalarına taslak olarak aktarılmış, grafın çağırdığı model ve uygulamanın imajı bir yanıt dosyasında bir kez yanıtlanmış ve Docker Compose için derlenmiş.

Bir LangGraph uygulamasını içe aktarma bunu adım adım anlatır: komutu, neler sorduğunu, yazdığı dosyaları ve her satırın neden orada olduğunu, derlemeyi ve grafın çalışmasını. Bu klasör, o adım adım anlatımın her aşamasını içerir:

klasör veya dosyaiçeriği
source/uygulamanın langgraph.json dosyası, klasörü bir çalışma alanı yapan .aggrega-config.yaml ve hiçbir yapılandırmanın tutmadığı değerleri içeren import-answers.yaml: model, uygulamanın imajı ve Kubernetes için bir derlemenin anahtarı ve veritabanının parolasını okuduğu Kubernetes Secret’larının adları
draft/aggrega import . --target compose komutunun yazdığı dosyalar, release.lock dahil, değiştirilmemiş haliyle, ve komutun yazdırdıkları: standart çıktıya stdout.txt, standart hataya import.txt

Yapılandırma bu örnek için yazılmıştır. Uygulamanın kodu örneğin parçası değildir: içe aktarma onu hiçbir zaman okumaz ve kodun çalıştığı imajı Release belirtir.

Belge deposunun bir checkout’unda check.sh, içe aktarmayı yeniden çalıştırır, yazdıklarını ve yazdırdıklarını draft/ ile karşılaştırır, adım adım anlatımın alıntıladığı blokları bu dosyalarla karşılaştırır ve içe aktarmanın yazdıklarını doğrulayıp derler. Standart kütüphane kataloğunun (nereden edinilir) bu deponun yanında checkout edilmiş olmasına ya da dizininin AGGREGA_CATALOG_DIRS içinde belirtilmesine ihtiyaç duyar.

Örneği oluşturun

Bu örneğin içe aktarmasını aşağıdaki komutlarla çalıştırabilir ya da yapay zekâ asistanınıza sizin yerinize çalıştırtabilirsiniz.

Örneği, adını taşıyan yeni bir klasöre yazın:

Terminal window
aggrega scaffold --example import-langgraph

Ardından sırada çalıştırılacak komutları yazdırır. İlki yeni klasöre geçer:

Terminal window
cd import-langgraph

Derleme

İçe aktarma, Aggrega dosyalarını projenin yanında, source/ içinde taslak olarak oluşturur. Projeyi, çalışma alanının varsayılan kayıt defterinin imzalı bir anlık görüntü olarak yayımladığı standart kütüphane kataloğuyla karşılaştırır: ilk içe aktarma onu getirir, doğrular, çalışma alanının içerik önbelleğinde saklar ve taslakların yanına yazdığı kayıtta onu özetiyle adlandırır. Kendi katalog klasörlerini — AGGREGA_CATALOG_DIRS içinde ya da workspace.catalog_dirs altında — adlandıran bir çalışma alanı ise bunun yerine onlara göre içe aktarır. İçe aktarma, modeli ve imajı import-answers.yaml dosyasından okur, ardından taslak Release’in bağımlı olduğu şeyleri çeker; böylece derleme hemen ardından gelir:

Terminal window
cd source
aggrega import . --target compose
aggrega build --release release.yaml

Örneğin belirttiği imaj, projenizden derlediğiniz bir imajın yerini tutar; onu derlemek ve yığını çalıştırmak yukarıda bağlantısı verilen adım adım anlatımda yer alır.

Bir yapay zekâ asistanıyla

Aggrega araçlarıyla kurulmuş bir yapay zekâ asistanı da aynısını yapabilir: bu istemi ona yapıştırın.

Yalnızca Aggrega araçlarını kullanın ve kendiniz hiçbir klasör oluşturmayın. Çalışma alanı klasöründe henüz bir `import-langgraph` klasörü yoksa `scaffold` aracını `example` değeri `import-langgraph` olacak şekilde ve `dir` olmadan bir kez çağırın: araç örneği yeni bir `import-langgraph` klasörüne yazar; bu klasörün içindeki `source` klasörü, bu örneğin içe aktardığı şeyleri içerir. Ardından `import` aracını `workspace_root` değeri `import-langgraph/source`, `source` değeri `.` ve `target` değeri `compose` olacak şekilde çağırın: araç ihtiyaç duyduğu yanıtları `langgraph.json` dosyasının yanındaki `import-answers.yaml` dosyasından okur, taslaklarını `import-langgraph/source` içine yazar ve taslakların ihtiyaç duyduklarını çeker. Ardından `validate` aracını `workspace_root` değeri `import-langgraph/source` ve `release` değeri `release.yaml` olacak şekilde, `build` aracını da `workspace_root` değeri `import-langgraph/source`, `release` değeri `release.yaml` ve `write` değeri true olacak şekilde çağırın. Derlemenin hangi dosyaları yazdığını bana söyleyin; bunlar `import-langgraph/source/dist/` altındadır.

Test edin

Yığın kılavuzun çalıştırdığı gibi çalışırken tek bir istek grafa ulaşır. Aşağıdaki rota, kılavuzun kendi programına, 8000 numaralı porttaki küçük bir HTTP sunucusuna aittir; kendi programınız kendi rotasını belirler. Release grafı 127.0.0.1:8000 üzerinde yayımlar, bu yüzden istek sizin makinenizden gider:

Terminal window
curl -sS -X POST http://127.0.0.1:8000/threads/order-1234/runs -H 'Content-Type: application/json' \
-d '{"message": "Where is my order 1234? It has not arrived yet."}'
{
"thread": "order-1234",
"error": "the run failed: OpenAIAuthenticationError: Error code: 401 - Incorrect API key provided: sk-place************-key. [… omitted: where to find an API key]"
}

Çalıştırmanın anahtarı bir yer tutucuydu, bu yüzden yanıt OpenAI’nin bu anahtarı reddetmesidir. Kubernetes’te yerel bir bağlantı noktasını Service’i olmayan Deployment’a yönlendirin ve aynı isteği başka bir terminalden ona gönderin:

Terminal window
kubectl port-forward deploy/support 8000:8000
Terminal window
curl -sS -X POST http://127.0.0.1:8000/threads/order-1234/runs -H 'Content-Type: application/json' \
-d '{"message": "Where is my order 1234? It has not arrived yet."}'

Yanıt aynıdır.